为什么使用并行集合不能更快？
我只是想测试一下并行集合，我使用了以下代码行（在 REPL 中）：
(1 to 100000).par.filter(BigInt(_).isProbablePrime(100))
against：
(1 to 100000).filter(BigInt(_).isProbablePrime(100))
但是并行版本并不更快。事实上，它甚至感觉有点慢（但我还没有真正测量过）。
有人对此有解释吗？
编辑1：是的，我确实有一个多核处理器
编辑2：好的，我自己“解决”了这个问题。 isProbablePrime 的实现似乎是问题所在，而不是并行集合。我用另一个函数替换了 isProbablePrime 来测试素数，现在我得到了预期的加速。
I just wanted to test the parallel collections a bit and I used the following line of code (in REPL):
(1 to 100000).par.filter(BigInt(_).isProbablePrime(100))
against:
(1 to 100000).filter(BigInt(_).isProbablePrime(100))
But the parallel version is not faster. In fact it even feels a bit slower (But I haven't really measured that).
Has anyone an explanation for that?
Edit 1: Yes, I do have a multi-core processor
Edit 2: OK, I "solved" the problem myself. The implementation of isProbablePrime seems to be the problem and not the parallel collections. I replaced isProbablePrime with another function to test for primality and now I get an expected speedup.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
无论是顺序范围还是并行范围，
filter都会生成一个向量数据结构 - 分别是Vector或ParVector。这是从范围集合生成的并行向量的一个已知问题 - 并行向量的转换器方法（例如
filter）不会并行构造向量。已经开发出一种允许高效并行构建向量的解决方案，但尚未实施。我建议您提交票据，以便可以在下一个版本中修复它。
Both with sequential and parallel ranges,
filterwill generate a vector data structure - aVectoror aParVector, respectively.This is a known problem with parallel vectors that get generated from range collections - transformer methods (such as
filter) for parallel vectors do not construct the vector in parallel.A solution for this that allows efficient parallel construction of vectors has already been developed, but was not yet implemented. I suggest you file a ticket, so that it can be fixed for the next release.